Το μοντέλο υπολογιστή ταιριάζει με τους ανθρώπους στην πρόβλεψη του τρόπου με τον οποίο κινούνται τα αντικείμενα
> Έχει αναπτυχθεί ένα νέο μοντέλο υπολογιστή που μπορεί να ταιριάζει με την ικανότητα των ανθρώπων να προβλέπουν πώς θα κινηθούν τα αντικείμενα. Το μοντέλο θα μπορούσε να χρησιμοποιηθεί για τη βελτίωση της ασφάλειας των αυτοκινήτων αυτο-οδήγησης και άλλων αυτόνομων συστημάτων, καθώς και για την προσομοίωση αντικειμένων σε βιντεοπαιχνίδια και ταινίες.
> Οι άνθρωποι προβλέπουν την κίνηση αντικειμένων, αντλώντας από την οπτική και φυσική γνώση, καθώς και την κοινή λογική. Το μοντέλο του υπολογιστή, που αναπτύχθηκε από ερευνητές στο Πανεπιστήμιο του Στάνφορντ, συνδυάζει την εκμάθηση μηχανών και την προσομοίωση με βάση τη φυσική για να επιτύχει ανθρώπινες επιδόσεις σε μια σειρά εργασιών, συμπεριλαμβανομένης της πρόβλεψης του τρόπου με τον οποίο μια μπάλα θα αναπηδήσει από ένα τραπέζι ή πώς ένα υγρό θα ρέει σε ένα ποτήρι.
> "Το μοντέλο μας μπορεί να προσομοιώσει τον κόσμο γύρω μας με τρόπο που είναι διαισθητικό για τον άνθρωπο", δήλωσε ο Peter Abbeel, καθηγητής της επιστήμης των υπολογιστών στο Στάνφορντ και διευθυντής του εργαστηρίου τεχνητής νοημοσύνης του Stanford. "Αυτό ανοίγει ένα ευρύ φάσμα δυνατοτήτων για νέες εφαρμογές που βασίζονται σε ακριβή πρόβλεψη αντικειμένων, όπως αυτοκίνητα αυτο-οδήγησης και βιντεοπαιχνίδια".
> Το μοντέλο του υπολογιστή χρησιμοποιεί ένα συνδυασμό συνελικτικών νευρωνικών δικτύων (CNNs), τα οποία είναι τεχνητά νευρωνικά δίκτυα που μπορούν να επεξεργαστούν χωρικές πληροφορίες και έναν κινητήρα με βάση τη φυσική για την προσομοίωση της κίνησης αντικειμένων. Τα CNN χρησιμοποιούνται για την εξαγωγή χαρακτηριστικών από την οπτική είσοδο, όπως το σχήμα και η υφή ενός αντικειμένου και ο κινητήρας με βάση τη φυσική χρησιμοποιείται για την προσομοίωση του τρόπου με τον οποίο το αντικείμενο θα κινηθεί με βάση αυτά τα χαρακτηριστικά.
> Το μοντέλο εκπαιδεύτηκε σε ένα μεγάλο σύνολο δεδομένων δεδομένων σύλληψης ανθρώπινης κίνησης, τα οποία του επέτρεψαν να μάθει πώς οι άνθρωποι προβλέπουν την κίνηση των αντικειμένων. Οι ερευνητές διαπίστωσαν ότι το μοντέλο θα μπορούσε να επιτύχει ανθρώπινη απόδοση σε μια σειρά καθηκόντων, συμπεριλαμβανομένης της πρόβλεψης της διαδρομής μιας μπάλας, της τροχιάς ενός υγρού και της κίνησης ενός ανθρώπινου χεριού.
> "Ελπίζουμε ότι το μοντέλο μας μπορεί να βοηθήσει στη γεφύρωση του χάσματος μεταξύ της ανθρώπινης διαίσθησης και της μηχανικής μάθησης", δήλωσε ο Abbeel. "Συνδυάζοντας το καλύτερο και των δύο κόσμων, μπορούμε να δημιουργήσουμε αυτόνομα συστήματα που είναι πιο ασφαλή, αποτελεσματικά και φιλικά προς το χρήστη".
